BG value stats by hour
BGvalue_Summary
## time3 min mean max sd
## 1 00:00 Inf NaN -Inf NaN
## 2 01:00 Inf NaN -Inf NaN
## 3 02:00 109 130.0000 151 29.69848
## 4 03:00 Inf NaN -Inf NaN
## 5 04:00 67 67.0000 67 NaN
## 6 05:00 Inf NaN -Inf NaN
## 7 06:00 Inf NaN -Inf NaN
## 8 07:00 115 133.5000 152 26.16295
## 9 08:00 104 132.5000 161 40.30509
## 10 09:00 94 94.0000 94 NaN
## 11 10:00 Inf NaN -Inf NaN
## 12 11:00 Inf NaN -Inf NaN
## 13 12:00 93 93.0000 93 NaN
## 14 13:00 Inf NaN -Inf NaN
## 15 14:00 65 65.0000 65 NaN
## 16 15:00 Inf NaN -Inf NaN
## 17 16:00 147 147.0000 147 NaN
## 18 17:00 Inf NaN -Inf NaN
## 19 18:00 Inf NaN -Inf NaN
## 20 19:00 327 327.0000 327 NaN
## 21 20:00 118 150.3333 203 46.00362
## 22 21:00 142 142.0000 142 NaN
## 23 22:00 163 163.0000 163 NaN
## 24 23:00 192 192.0000 192 NaN
## 25 00:00 105 105.0000 105 NaN
BG value stats by day
BGvalue_SummaryDaily
## Date2 min mean max sd
## 1 2019-10-30 65 139.7778 327 79.03445
## 2 2019-11-02 104 136.0000 192 34.57745
## 3 2019-11-03 94 123.0000 152 41.01219
## 4 2019-11-04 115 159.0000 203 62.22540
Sensor value stats by hour
Sensorvalue_Summary
## time3 min mean max sd
## 1 00:00 83 138.50000 221 52.09070
## 2 01:00 112 172.94444 199 26.35358
## 3 02:00 100 163.69444 190 21.87212
## 4 03:00 57 144.08333 192 47.46089
## 5 04:00 40 129.08333 195 59.88674
## 6 05:00 40 116.66667 176 49.46110
## 7 06:00 40 123.11111 143 28.68306
## 8 07:00 101 118.87500 152 12.33698
## 9 08:00 40 110.40909 164 40.36019
## 10 09:00 55 97.52174 142 25.67466
## 11 10:00 71 120.33333 157 26.23302
## 12 11:00 89 132.25000 194 38.29817
## 13 12:00 77 131.35938 194 38.18044
## 14 13:00 65 130.83333 194 57.51799
## 15 14:00 62 126.87500 192 60.84286
## 16 15:00 82 163.20833 236 41.46657
## 17 16:00 198 235.91667 259 16.83918
## 18 17:00 136 197.12500 248 32.27910
## 19 18:00 98 166.36842 206 47.29953
## 20 19:00 135 173.25000 199 20.94636
## 21 20:00 108 141.90476 207 32.83581
## 22 21:00 40 112.41667 215 47.98929
## 23 22:00 56 121.81250 219 44.67693
## 24 23:00 78 145.75000 211 41.09136
## 25 00:00 75 133.94444 229 65.75218
BG high (>150) count
BGHigh_Count
## time3 BG.Reading..mg.dL.
## 1 02:00 1
## 2 07:00 1
## 3 08:00 1
## 4 19:00 1
## 5 20:00 1
## 6 22:00 1
## 7 23:00 1
BG very high (>240) count
BGveryHigh_Count
## time3 BG.Reading..mg.dL.
## 1 19:00 1
BG low (<80) count
BGLow_Count
## time3 BG.Reading..mg.dL.
## 1 04:00 1
## 2 14:00 1
BG good value count (>80 and <150)
BGgood_Count
## time3 BG.Reading..mg.dL.
## 1 02:00 1
## 2 07:00 1
## 3 08:00 1
## 4 09:00 1
## 5 12:00 1
## 6 16:00 1
## 7 20:00 2
## 8 21:00 1
## 9 00:00 1
Temp Basal = 0 count
tempBasal_count
## NULL
Suspend basal on low count
suspendBasal_Count
## time3 Alarm
## 1 04:00 2
## 2 05:00 2
## 3 07:00 1
## 4 08:00 3
## 5 09:00 3
## 6 10:00 1
## 7 11:00 1
## 8 12:00 2
## 9 13:00 1
## 10 14:00 1
## 11 18:00 1
## 12 20:00 1
## 13 21:00 2
BG value by time and date with mean values
BGvalue_timeDaytable
## time 2019-10-30 2019-11-02 2019-11-03 2019-11-04 mean
## 1 00:00 105.0000 NaN NaN NaN 105.0000
## 2 01:00 NaN NaN NaN NaN NaN
## 3 02:00 151.0000 109.0 NaN NaN 130.0000
## 4 03:00 NaN NaN NaN NaN NaN
## 5 04:00 67.0000 NaN NaN NaN 67.0000
## 6 05:00 NaN NaN NaN NaN NaN
## 7 06:00 NaN NaN NaN NaN NaN
## 8 07:00 NaN NaN 152 115 133.5000
## 9 08:00 161.0000 104.0 NaN NaN 132.5000
## 10 09:00 NaN NaN 94 NaN 94.0000
## 11 10:00 NaN NaN NaN NaN NaN
## 12 11:00 NaN NaN NaN NaN NaN
## 13 12:00 93.0000 NaN NaN NaN 93.0000
## 14 13:00 NaN NaN NaN NaN NaN
## 15 14:00 65.0000 NaN NaN NaN 65.0000
## 16 15:00 NaN NaN NaN NaN NaN
## 17 16:00 147.0000 NaN NaN NaN 147.0000
## 18 17:00 NaN NaN NaN NaN NaN
## 19 18:00 NaN NaN NaN NaN NaN
## 20 19:00 327.0000 NaN NaN NaN 327.0000
## 21 20:00 NaN 124.0 NaN 203 163.5000
## 22 21:00 142.0000 NaN NaN NaN 142.0000
## 23 22:00 NaN 163.0 NaN NaN 163.0000
## 24 23:00 NaN 192.0 NaN NaN 192.0000
## 25 mean 139.7778 138.4 123 159 140.0444
#heatmap
#heatmaps
executeSavedPlot(data = allData, plotName = "meanBGheat_hist", libraryPath = libraryPath,
numberDays = numberDays,changeParam.list = changeParam.list)
Sensor value by time and date with mean values
SGvalue_timeDaytable
## time 2019-10-30 2019-11-02 2019-11-03 2019-11-04 mean
## 1 00:00 102.41667 NaN 215.1667 91.08333 136.22222
## 2 01:00 181.58333 NaN 194.0000 143.25000 172.94444
## 3 02:00 141.91667 NaN 166.0000 183.16667 163.69444
## 4 03:00 81.16667 NaN 163.5833 187.50000 144.08333
## 5 04:00 49.50000 NaN 149.0000 188.75000 129.08333
## 6 05:00 49.50000 NaN 140.5833 159.91667 116.66667
## 7 06:00 44.66667 NaN 133.7500 132.08333 103.50000
## 8 07:00 NaN NaN 128.8333 108.91667 118.87500
## 9 08:00 151.40000 61.60000 142.5833 84.75000 110.08333
## 10 09:00 124.50000 85.66667 90.5000 87.80000 97.11667
## 11 10:00 125.16667 147.83333 88.0000 NaN 120.33333
## 12 11:00 102.41667 183.08333 111.2500 NaN 132.25000
## 13 12:00 85.87500 124.08333 168.9583 NaN 126.30556
## 14 13:00 NaN 75.08333 186.5833 NaN 130.83333
## 15 14:00 NaN 67.50000 186.2500 NaN 126.87500
## 16 15:00 NaN 136.33333 190.0833 NaN 163.20833
## 17 16:00 NaN 234.66667 237.1667 NaN 235.91667
## 18 17:00 NaN 221.41667 172.8333 NaN 197.12500
## 19 18:00 NaN 201.16667 106.7143 NaN 153.94048
## 20 19:00 NaN 173.25000 NaN NaN 173.25000
## 21 20:00 161.80000 117.50000 114.8333 194.25000 147.09583
## 22 21:00 130.50000 66.00000 82.2500 170.91667 112.41667
## 23 22:00 169.00000 81.83333 95.5000 140.91667 121.81250
## 24 23:00 148.41667 103.50000 190.4167 112.50000 138.70833
## 25 mean 115.61406 130.03229 150.2104 141.84286 134.42490
#heatmap
#heatmaps
executeSavedPlot(data = allData, plotName = "meanSGheat_hist", libraryPath = libraryPath,
numberDays = numberDays,changeParam.list = changeParam.list)
Interactive Plots
every 3 hours barplots
###daily barplots